University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

Scalable Counterfactual Risk Estimation for Rare Events in Longitudinal Data

纵向数据中罕见事件的可扩展反事实风险估计

Xiaohui Yin, Avijit Mitra, Ying Zhou, Kun Chen, Hong Yu

机构 * University of Connecticut Storrs（康涅狄格大学斯托尔分校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

AI总结 针对纵向生存数据中罕见事件导致的类不平衡和计算负担问题，提出一种可扩展的子采样与重加权策略，应用于ICE等因果效应估计器，在保持一致性的同时提高稳定性。

Comments Accepted at KDD-2026, 12 pages

Critic-R: Improving Agentic Search using Instruction-tuned Retrievers with Natural Language Introspective Feedback

Critic-R：使用具有自然语言内省反馈的指令调优检索器改进智能搜索

Md Zarif Ul Alam, Alireza Salemi, Hamed Zamani

机构 * Center for Intelligent Information Retrieval（智能信息检索中心） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 提出Critic-R框架，通过引入评论模型评估智能体内省推理轨迹，实现检索模型与推理代理之间的反馈闭环，无需人工标注即可优化检索质量与下游答案准确性。

Multimodal Music Recommendation System using LLMs

使用LLMs的多模态音乐推荐系统

Srikar Prabhas Kandagatla, Sreehitha R. Narayana, Chandana Magapu, Swetha Mohan, Shamanth Kuthpadi, Hongjie Chen, Ryan A. Rossi, Franck Dernoncourt, Nesreen Ahmed

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Dolby Laboratories（Dolby实验室） ； Adobe Research（Adobe研究） ； Cisco Research（Cisco研究） 纠错

AI总结 提出一个多模态框架，通过融合音频、歌词、LLM生成的语义元数据和收听完成率，在基于会话的音乐推荐中显著提升Recall和NDCG。

ISOMORPH: A Supply Chain Digital Twin for Simulation, Dataset Generation, and Forecasting Benchmarks

ISOMORPH：用于仿真、数据集生成和预测基准的供应链数字孪生

Zhizhen Zhang, Hyemin Gu, Benjamin J. Zhang, Daniel Elenius, Michael Tyrrell, Theo J. Bourdais, Houman Owhadi, Markos A. Katsoulakis, Tuhin Sahai

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of North Carolina（北卡罗来纳大学） ； SRI International（SRI国际） ； California Institute of Technology（加州理工学院） 纠错

AI总结 本文提出ISOMORPH，首个公开的多级物流网络数字孪生，通过可配置参数和模块化拓扑生成具有牛鞭效应等动态特性的数据集，并评估基础模型的零样本预测性能。

Evaluating and Learning Robust Bandit Policies Under Uncertain Causal Mechanisms

在不确定因果机制下评估和学习鲁棒的Bandit策略

Katherine Avery, Chinmay Pendse, David Jensen

机构 * College of Information and Computer Sciences, University of Massachusetts Amherst（信息与计算机科学学院，马萨诸塞大学阿姆赫斯特分校） ； Capital One 纠错

AI总结 提出一种因果多臂老虎机评估与学习算法，通过结构化方程模型处理条件概率分布的不确定性，并利用条件独立性检验选择变量，在因果机制不确定时提供更准确的评估和低方差策略。

Comments Published at the 5th Conference on Causal Learning and Reasoning 2026